买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京理工大学

摘要：本发明公开了一种基于小样本场景下的数据扩增方法，步骤一、根据目标检测任务需求，利用WCT算法对内容图像和风格图像进行风格迁移，获得的合成图像内容与内容图像一致，风格为风格图像所提供风格；步骤二、利用图像转换技术分别对源域合成图像和目标域真实图像进行转换，在保留图像内容的情况下完成域适应，获得最终的合成图像；本发明方法可以低成本快速扩增小样本数据集，解决了数据集难获取，成本高，以及小样本场景下目标检测数据限制问题。

主权项：1.一种基于小样本场景下的数据扩增方法，其特征在于，包括以下步骤：步骤一、根据目标检测任务需求，利用WCT算法对内容图像和风格图像进行风格迁移，获得的合成图像内容与内容图像一致，风格为风格图像所提供风格；步骤一具体包括：步骤1.1、在利用WCT风格迁移算法进行数据扩增时，首先利用种子样本对WCT风格迁移算法图像重构网络模块进行训练；对与编码器对应的解码模块进行训练，实现算法对种子样本图像内容部分的恒等变换，进而可以实现在任意风格下对内容图像的良好重构；WCT算法的风格迁移实现过程如下：S11:风格迁移实现过程分为图像编码、风格转换、特征图解码、风格化操作的多层级联四个步骤，其中图像编码和解码操作由WCT算法中的图像重构网络模块实现，风格转换由WCT操作模块实现；重构网络模块和WCT操作模块组合实现风格化操作，风格化操作的多层级联通过多级风格化操作实现；S111:重构网络模块的编码器为VGG-19网络，由5个模块组成，包含16个卷积层和3个全连接层，共9层，其中卷积层为3X3，通过两个卷积核级联实现5X5卷积效果，三个卷积核级联实现7X7卷积效果；池化层为2X2的最大池化，五个模块之间用池化层链接；通过最小化重构的损失函数监督模块网络的训练，实现重构模块的恒等变换；S112:WCT模块的操作分为白化转换和上色转换两部分；通过上一步重构网络的编码器得到内容图片Ic和风格图片Is对应的特征图fc和fs；将fc减去其均值矩阵mc实现中心化，然后对fc进行线性化转换操作得到 其中Dc是与协方差矩阵fcfcT有着相同矩阵特征值的对角矩阵，Ec是与特征向量对应的一个正交矩阵，满足:fcfcT＝EcDcEcT经过白化操作，完成了去风格化，仅保留内容信息；S113:上色转换操作可以看作是白化操作的逆过程；首先对风格特征图实现中心化，并利用风格特征图计算出的风格对角矩阵Ds和协方差矩阵特征向量对应的风格正交矩阵Es对白化后内容特征图进行风格化操作；S114:对特征图采取级联风格化操作，将低层特征较好地恢复图像内容和高层特征易捕获风格特征的特点结合；步骤1.2、对内容图像和风格图像的特征图采取级联风格化的操作，将低层特征易恢复图像内容和高层特征易捕获风格特征的特点结合，利用多级风格化操作，获取得以保留内容的风格化图像；利用种子样本作为内容图像，多种风格的真实图像作为风格图像，通过训练好的算法进行WCT风格迁移网络模型的前行过程实现；S121:WCT风格迁移算法在训练时仅需对图像重构网络模块进行训练，需要训练5个与编码器对称的解码模块；S122:利用种子样本作为内容图像，多种风格的真实图像作为风格图像进行风格迁移，获得扩增后的合成数据集；步骤二、利用图像转换技术分别对源域合成图像和目标域真实图像进行转换，在保留图像内容的情况下完成域适应，获得最终的合成图像。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于小样本场景下的数据扩增方法